<![CDATA[Interaksi antara organisasi e-sport dan penggemar kerap berlangsung melalui kolom komentar pada platform YouTube. Aktivitas tersebut menghasilkan data teks dalam jumlah besar yang bersifat tidak terstruktur, sehingga analisis sentimen secara manual menjadi kurang efektif. Penelitian ini bertujuan untuk mengidentifikasi sentimen komentar pengguna pada kanal YouTube Team RRQ dengan menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan sebanyak 300 komentar yang diperoleh melalui YouTube Data API dan dikategorikan ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Tahapan analisis meliputi preprocessing teks yang mencakup case folding, cleansing, tokenisasi, normalisasi, serta stemming. Selanjutnya, dilakukan pembobotan fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) sebelum proses klasifikasi menggunakan algoritma SVM. Model dikembangkan dengan skema pembagian data sebesar 80% sebagai data latih dan 20% sebagai data uji. Evaluasi kinerja model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 75%, dengan performa terbaik pada kelas sentimen negatif. Temuan ini mengindikasikan bahwa kombinasi metode SVM dan TF-IDF cukup efektif dalam mengklasifikasikan sentimen pada data komentar YouTube yang tidak terstruktur. Penelitian ini memberikan kontribusi dalam pengembangan analisis sentimen pada domain e-sport di Indonesia, khususnya pada data yang memiliki karakteristik bahasa informal dan penggunaan slang.]]>
